Практическое задание 11 Игровые модели. Классификация игровых моделей. Теория игр

Вид материала

Документы

Содержание Игровую модель G , а множество исходов Г Г называется конечной Дискретные игры Теорема о минимаксе. Модели матричных игр. Примеры моделей игр. Методы решения игр. Коалиционные игры. Модели непрерывных игр. Г называется непрерывной

Подобный материал:

• В. В. Теория игр и модели математической экономики. М.: Макс пресс, 2005 г. 272, 9.34kb.
• Тематический план учебной дисциплины, 52.63kb.
• Положение о проведении XIV открытого городского конкурса-фестиваля игровых программ, 46.62kb.
• Программа дисциплины Теория игр  для направления 080200. 62 «Менеджмент» подготовки, 239.28kb.
• Темы лекционных занятий Принципы и методы математического моделирования. Базовые модели., 42.45kb.
• Программа по курсу " Моделирование систем управления, 30.71kb.
• Методическая разработка на тему: «Возможности использования игровых технологий на уроках, 269.34kb.
• Программа дисциплины: Модели олигополии для направления 080100. 68 Экономика подготовки, 48.86kb.
• Программа дисциплины: Модели олигополии для направления 080100. 68 Экономика подготовки, 126.65kb.
• 1. Введение. Основные понятия моделирования Общая характеристика проблем моделирования., 38.29kb.

Занятие 3.


Содержание занятия:

Игровые модели. Классификация игровых моделей.

Теория игр - теория, которая изучает методы определения оптимальных стратегий управления поведением в системах, для которых характерно наличие конфликтных ситуаций.

Теория игр связана в основном с математическим моделированием социально-экономических процессов и ориентирована на социально- экономические приложения.

В этих процессах участвуют люди, а также так или иначе сформированные группы, коллективы людей, наделенные теми или иными интересами. С точки зрения осуществления этих интересов применительно к исходам социально-экономических процессов представляется осмысленной и правомерной постановка вопроса об их желательности или нежелательности. Однако участники большинства социально- экономических процессов имеют, как правило, несовпадающие интересы, причем их несовпадение может допускать весьма широкий диапазон - от жестокого антагонизма до ярко выраженной склонности к компромиссам и даже единодушию.

Игровую модель можно определить, как совокупность (x,y) правил поведения при конфликтной ситуации и функции платежа Н(x,y) для каждого игрока на любом этапе игры.

Ввиду того, что теория игр квалифицируется как некоторый раздел математики, описание ее предмета также должно формулироваться достаточно четким, математическим образом. Если не говорить о понятиях модели вообще и модели математической, то теория игр содержит три нуждающихся в точном понимании термина:

1. принятие решения,
   
2. конфликт,
   
3. оптимальность решения
   

Дадим однозначное толкование каждому из этих терминов на языке теории множеств.

Принятие решений (или стратегия игрока - совокупность рекомендаций по ведению игры от начала и до конца): Принятие субъектом К некоторого своего решения можно понимать просто как выбор некоторого элемента(решения) x_k из множества всех допустимых решений _k.

Конфликты: Содержательно конфликт рассматривается как явление, в котором решаются вопросы о том, кто и как в этом явлении участвует, какие у этого явления могут быть исходы, а также кто и как в этих исходах заинтересован. Во- первых необходимо фиксировать, что в конфликте участвуют те или иные стороны, являющиеся принимающими решения субъектами. Эти стороны естественно называть коалициями действия. Здесь термин коалиция употреблен для подчеркивания возможной сложности, структурности принимающего решения субъекта. В его роли может выступать целый коллектив, причем коллективы, составляющие различные коалиции действия, могут, вообще говоря, пересекаться. Заметим, что в конфликте может участвовать и лишь одна коалиция действия, причем этот случай с теоретико-правовой точки зрения оказывается отнюдь не тривиальным. Множество всех коалиций действия будет обозначаться через _. Во -вторых, необходимо отразить возможности участников конфликта, т.е указать, какие именно решения может принимать каждая из коалиций действия К_. Эти решения называются (коалиционными) стратегиями коалиции К. Множество всех стратегий коалиции действия К будем обозначать через _к. Исход конфликта определяется исходя из осуществимости результатов выбора всеми коалициями действия своих стратегий с учетом всех обусловленных между ними связей (если таковые предусмотрены) и называются ситуацией. Т.о., множество всех ситуаций можно понимать как некоторое заданное подмножество  декартова произведения (пары стратегий). В-третьих, необходимо указать стороны, отстаивающие некоторые интересы. Их естественно называть коалициями интересов. Множество таких коалиций интересов конструируемого конфликта будем обозначать через _u .

В-четвертых, необходимо описать сами интересы (цели) сторон. Это значит, что для каждой коалиции интересов из _u и на множестве всех ситуаций  должно быть указано бинарное отношение предпочтения R_k , понимаемое как отношение нестрогого предпочтения. Как обычно отношение нестрогого предпочтения порождает отношение безразличия I_k=R_kR_k^-1 , а также отношение строгого предпочтения P_k=R_k\I_k (=R_k\R_k^-1) .

На основе сказанного формальным представлением о конфликте можно считать систему

Г=<_,>, где

_, и _u произвольные множества

и R_k   , K  _u

Системы такого вида будем называть играми.

Остается математически сформулировать представление об оптимальности принимаемых решений. Это, однако, оказывается существенно более трудным, чем обрисованная выше математизация понятия принятия решений и конфликта. Основная причина этого состоит в том, что пока еще не выработано достаточно содержательных представлений об оптимальности. Начнем с того почти тривиального соображения, что всякое содержательное представление об оптимальности в условиях конфликта состоит в правиле выбора для каждого конфликта (из определенного класса) некоторого множества его исходов, которые при этом и объявляются оптимальными. В математической форме это выглядит следующим образом: оптимальность это отображение , которое каждой игре Г принадлежащей некоторому классу игр G, ставит в соответствие некоторое подмножество множества ее исходов  :


Г   , Г G

Соответствие  при этом называется принципом оптимальности для класса игр G , а множество исходов Г- реализацией этого принципа для игры Г , или решением игры в смысле принципа оптимальности. Другими словами можно сказать, что оптимальной считается такая ситуация, в которой каждый игрок получает свой “максимальный” выигрыш, а именно: когда один игрок получает максимальный выигрыш, а второй - минимизирует свой проигрыш.

В наиболее чистом виде сущность теории игр, как теории математических моделей принятия оптимальных решений в условиях конфликтов, воплощается в теории бескоалиционных игр, в которых множества коалиций действия и коалиций интересов совпадают; те и другие в этом случае называются игроками.

В свою очередь в классе бескоалиционных игр присутствуют свои подклассы. Рассмотрим некоторые важные подклассы бескоалиционных игр.

Бескоалиционная игра Г называется конечной, если конечны все множества стратегий _i игроков iI. Конечные игры составляют простейший, но важный класс игр.

Конечная бескоалиционная игра называется биматричной, если множество I в ней состоит из двух игроков (т.е. I={1,2}). Такое название объясняется возможностью следующего естественного описания игр этого класса. Если составить две таблицы, в которых входы по строкам будут соответствовать стратегиям игрока 1, а входы по столбцам - стратегиям игрока 2, то в этих таблицах клетки будут соответствовать ситуациям игры. Если заполнить клетки первой таблицы значениями функции выигрыша игрока 1, а клетки второй таблицы - значениями функции выигрыша игрока 2, то получим пару матриц, полностью описывающих игру. Эти матрицы называются матрицами выигрышей в биматричной игре.

Биматричная игра с mn - матрицами выигрышей игроков называется mn - биматричной. Биматричную игру с матрицами выигрышей А и В будем обозначать через Г(А,В) или Г_А,В, i - я строка любой матрицы обозначается через М_{i. ,} j - ый столбец - М_.j .

Бескоалиционная игра Г называется игрой с постоянной суммой, если для каждой ее ситуации x будет выполняться условие

, где H_i - функция выигрыша или платежа.

Игра Г называется игрой с нулевой суммой, если константа с =0 (модель в которой стороны ведут расчеты только между собой и платежи не поступают со стороны и не уходят на сторону).

Бескоалиционная игра с нулевой суммой, в которой имеется только два игрока (первый игрок выбирает стратегию в множестве Х, второй - в множестве Y, при этом каждый не знает, что выбирает другой) I={1,2} называется антагонистической. Цель первого игрока: Н  max, цель второго игрока: Н  min. Таким образом, в любой антагонистической игре выигрыш одного из игроков численно равен проигрышу другого: H₁(x₁,x₂)=-H₂(x₁,x₂). Цена игры определяется, как суммарный платеж каждому игроку.

Антагонистическая биматричная игра называется матричной.

Неантагонистические игры - модели, в которых присутствуют частично противоположные и частично совпадающие интересы “играющих” сторон.

Дискретные игры - игры в которых множество стратегий дискретно.

Игры с полной информацией - игры в которых все ходы противника заранее известны.

Определение: Пара (x⁰,y⁰)  XY называется седловой точкой, если F(x,y⁰) 

xX

F(x⁰,y⁰)  F(x⁰,y)

yY

Или по-другому: sup F(x,y⁰)=F(x⁰,y⁰)=inf F(x⁰,y),

xX yY

или max F(x,y⁰)=F(x⁰,y⁰)=minF(x⁰,y).

xX yY

Игровой смысл понятия седловой точки: игроки выбрали стратегии x⁰, y⁰, следовательно 1-ому игроку невыгодно отклоняться от x⁰, 2-ому игроку невыгодно отклоняться от y⁰. Т.е. это устойчивая точка.

Определение: Г имеет решение, если функция выигрыша F имеет седловую точку на произведении XY. При этом x⁰,y⁰ называются оптимальными стратегиями.

Теорема о минимаксе.

Минимакс - это один из принципов оптимального выбора параметров.

Пусть Г - антагонистическая игра Г=<,,H>.

В антагонистической игре Г игрок 1, выбрав свою стратегию х, не может получить меньше, чем inf H(x,y), каковая сумма является его гарантированным выигрышем при использовании стратегии х. Значит его наибольший выигрыш будет равен max inf H(x,y) и будет получаться, если на стратегии х достигается внешний максимум в этом выражении. Такое стремление к максимальному гарантированному выигрышу называется принципом максимина, а применяемая при этом стратегия - максиминной стратегией.

С другой стороны, в этой же игре Г наибольшие (из возможных) потери применяющего стратегию y игрока 2 будут равны supH(x,y), и они оказываются наименьшими при использовании игроком 2 его минимаксной стратегии y, на которой достигается минимум в выражении min supH(x,y).

Теорема. Для того, что бы Н имела на произведении  седловую точку, необходимо и достаточно чтобы max inf H(x,y)=min supH(x,y).

x y y x

Естественно предполагать , что принципы оптимальности для тех или иных классов игр так же должны состоять в некоторой максимизации. При этом остается открытым вопрос, что именно должно подлежать максимизации.

Перейдем к вопросам реализуемости максимина. Эта реализуемость состоит в существовании у игроков в антагонистической игре оптимальных стратегий. Теорем существования такого рода известно довольно много. Обычно все они называются теоремами о минимаксах. Иногда в них включаются также сведения о виде оптимальных стратегий, существование которых доказывается.

Определение: Г имеет решение, если функция выигрыша Н имеет седловую точку на произведении .

Таким образом минимаксная задача max H(,) min сводится к отысканию седловой точки.

Модели матричных игр.

Как уже говорилось выше, матричная игра определяется как конечная антагонистическая игра, т.е. как такая игра Г=<,, > , в которой множество стратегий игроков  и  конечны.

Будем считать, что ={1, ... ,m} и ={1, ... ,n}. Стратегии первого игрока в матричной игре будем понимать как горизонтальные ряды некоторой таблицы, а стратегии второго игрока - как вертикальные ее ряды. Если ее клетки - ситуации заполнить значениями функции выигрыша игрока 1, то получится матрица, называемая матрицей выигрышей игры (матрицей игры). Матричную игру с матрицей выигрышей А обозначим Г(А) или Г_А. Основным принципом оптимальности в матричных играх (как и в произвольных антагонистических играх) является принцип максимина. Этот принцип предлагает в игре Г(А) с матрицей А= a_ij i=1, ... ,m; j=1, ... ,n выбирать такие строку i^* и столбец j^* матрицы, чтобы при любых i=1, ... ,m и j=1, ... , n выполнялось: a_ij^*  a_i^*_j^*a_i^*_j.

В седловой точке элемент матрицы a_i^*_j^* является одновременно минимумом в своей строке и максимумом в своем столбце

Примеры моделей игр.

Пример 1. (Оборона города) Этот пример известен в литературе под названием “игра полковника Блотто”. Полковник Блотто имеет m полков, а его противник - n полков. Противник защищает две позиции. Позиция будет занята полковником Блотто, если на ней наступающие части окажутся в численном превосходстве. Противоборствующим сторонам требуется разделить полки между двумя позициями.

Определим выигрыш полковника Блотто (игрока 1) на каждой позиции. Если у него на позиции полков больше, чем у противника (игрока 2), то его выигрыш на этой позиции равен числу полков противника плюс один (занятие позиции равносильно захвату одного полка). Если у игрока 2 полков на позиции больше, чем у игрока 1, то игрок 1 теряет все свои полки на этой позиции и еще единицу (за потерю позиции). Если обе стороны имеют одинаковое число полков на позиции, то имеет место ничья и каждая из сторон ничего не получит. Общий выигрыш игрока 1 равен сумме выигрышей на обеих позициях.

Игра, очевидно, антагонистическая. Опишем стратегии игроков. Пусть, для определенности, m>n. Игрок 1 имеет следущие стратегии: x₀=(m,0) - послать все полки на первую позицию, x₁₌(m-1,1) - (m-1) полков послать на первую позицию, а один - на вторую, x₂=(m-2,2), ..., x_m-1=(1,m-1), x_m=(0,m). Противник (игрок 2) имеет такие стратегии: y₀=(n,0), y₁=(n-1,1), ..., y_n=(0,n).

Пусть игрок 1 выбрал стратегию x₀, а игрок 2 - стратегию y_0. Вычислим выигрыш а₀₀ игрока 1 в этой ситуации. Поскольку m>n, на первой позиции выигрывает игрок 1. Его выигрыш равен n+1 (единица - за удержание позиции). На второй позиции - ничья. Поэтому а₀₀=n+1. Вычислим а₀₁. Так как m>n-1, то на первой позиции выигрыш игрока 1 равен n-1+1=n. На второй позиции выигрывает игрок 2. Поэтому проигрыш игрока 1 на этой позиции равен единице. Таким образом, а₀₁=n-1. Рассуждая аналогично, получаем а_{0 j}=n-j+1-1=n-j, 1 j n. Далее, если m-1>n, то а₁₀=n+1+1=n+2, a₁₁=n-1+1=n, a_{1 j}=n-j+1-1-1=n-j-1, 2 j n. В общем случае (для любых m и n) элементы а_{i j}, i=0, m, j=0,n матрицы выигрышей вычисляются следующим образом:




Так, при m=4, n=3, рассмотрев всевозможные ситуации, получим матрицу выигрышей А этой игры:


y₀ y₁ y₂ y₃




x₀ 4 2 1 0

x₁ 1 3 0 -1

A= x₂ -2 2 2 -2

x₃ -1 0 3 1

x₄ 0 1 2 4


Пример2. Содержание. Каждый из игроков 1 и 2 выбирает одно из чисел, 0 или 1, после чего игрок 1 получает от игрока 2 сумму выбранных чисел.

Моделью игры является 2x2 матричная игра Г_А с матрицей выигрышей


0 1

А=

Анализ. В этой игре имеется единственная ситуация равновесия (седловая точка) : (1 , 0).

Пример 3. Игра в “чет - нечет”. Содержание. Игрок 1 зажимает в руке четное (ч) или нечетное (н) число мелких предметов, а игрок 2 пытается эту четность отгадать. В случае угадывания (ситуация (ч,ч) и (н,н)) он получает от игрока 1 одну единицу, а в случае неугадывания (ситуация (ч,н) и (н,ч)) платит ему единицу.

Моделью является 2x2 - матричная игра Г_А, где

у н

А=

Анализ: здесь нет седловой точки, и в чистых стратегиях задача не имеет решения.

Пример. Игра “семейный спор”. Содержание. Муж и жена (соответственно игроки 1 и 2) договариваются о том, чтобы провести семейный вечер, посетив балет (б) или футбольный матч (ф). Совместное посещение балета (ситуация (б,б)) доставляет мужу умеренное удовольствие (оцениваемое числом 1), а жене большое (оцениваемое числом 2). Совместное посещение футбола (ситуация (ф,ф)) доставляет удовольствие в обратных оценках (мужу - 2, жене - 1). Наконец отсутствие договоренности (ситуации (б,ф) и (ф,б)) никому удовольствия не доставляют (выигрыш равный нулю).

Моделью является 2х2 - биматричная игра Г(А,В), где

б ф б ф

А= В=

Анализ. Ситуация (б,б) и (ф,ф) являются здесь одновременно и равновесными и оптимальными. Остается открытым вопрос об оптимальном выборе одной из этих двух ситуаций. Одной из возможностей его решения является допущение передачи доли полезности, полученной одним из игроков другому.

Методы решения игр.

Решение конечных игр методом поиска крайних стратегий весьма неэффективно, В худшем случае для решения игры с матрицей n x m придется перебирать вариантов, где l=min(m,n). Значительно эффективней решать игры методами линейного программирования, которые содержит алгоритмы, приводящие к точному решению за конечное число итераций. Для сведения решения игр к решению задачи линейного программирования необходимо, чтобы значение игры было бы в одном случае положительно, а в другом случае неотрицательно. Поскольку нам важно получить решение игры, то положительности или неотрицательности значения игры можно добиться прибавлением ко всем элементам платежной матрицы достаточно большой константы. После получения решения игры эту константу можно вычесть из полученного значения игры и таким образом, получить значение первоначальной игры.

Определение: Смешанной стратегией первого игрока называется вероятностное распределение  на множестве Х. Применить смешанную стратегию - значит каждый раз выбирать стратегию с некоторой вероятностью (реализовать Х как множество значений случайной величины).

Для того, чтобы найти решение игры с матрицей А , в силу теоремы :

К(i,j)x_iy_j  K(i,j)x_i^*y_j^*  K(i,j)x_i^*y_j^*,

где y=(y₁, ... , y_n), x=(x₁, ..., x_m) - произвольные смешанные стратегии, необходимо и достаточно найти такие векторы х^* , y^* и такое число W, чтобы

а_i,jy_j^* W  a_i,jx_i^*; x_i^*, y_j^* 0

i = 1, ... , n; j = 1, ... , m , x_i^* = 1 , y_j^* = 1

Разделим все три части первого неравенства на W и сделаем замену переменных u_i = x_i^*/ W, v_j = y_j^*/ W, в результате получим:

a_i,ju_i  1 u_i = 1/W u_i  0 i=1, ... , n (1)

a_i,jv_j  1, v_j = 1/W v_j 0 j=1, ... , m (2)

Если первый игрок хочет максимизировать свой выигрыш, т.е. максимизировать W, то ему следует решить такую задачу линейного программирования - найти min  u_i при ограничениях (1). Поскольку второй игрок стремится минимизировать свой проигрыш, то ему следует найти - max  v_j при ограничениях (2).

Пример. Игра в “орел”-”решка”.

орел решка

А= -1 1 орел v=max min a_ij = -1

1 -1 решка v=min max a_ij = 1

Седловой точки нет, т.о. в чистых стратегиях игра решения не имеет. В смешанных стратегиях игрок должен выбирать “орел” или “решку” с вероятностью =1/2. Математическое ожидание выигрыша = (-1)*1/2 + 1*1/2 = 0 - средний выигрыш первого игрока, т.е. игрок не должен проиграть.

Коалиционные игры.

Участниками коалиционных игр являются коалиции, т.е. коллективы выделяемые из общего множества игроков либо едиными целями, либо возможностью совершать совместные действия, либо тем и другим. Бесконечные коалиционные игры с постоянной суммой можно понимать, например, как модели экономических процессов, у которых отсутствуют производство и потребление, а происходит только обмен имеющимися “полезностями” и их распределение.

Если бы такие коалиции попарно не пересекались, то каждую коалицию можно было бы рассматривать как одного участника игры и анализировать действия коалиций с точки зрения классической теории бескоалиционных игр.

Однако возможность взаимных пересечений коалиций означает, что в одной и той же коалиции одни игроки могут принадлежать какой - то другой коалиции, а другие - нет. Далее, отсюда же следует, что игрок, участвующий в различных коалициях, может иметь различные, противоречащие друг другу интересы, кроме того, этому игроку приходится одновременно участвовать в нескольких коллективных действиях.

Модели непрерывных игр.

Антагонистические игры в которых один или оба игрока имеют бесконечное множество стратегий называются бесконечными. С теоретической точки зрения это отличие малосущественно, т.к. игра остается антагонистической и проблема состоит в использовании более сложного аппарата исследования.

Пример.(Одновременная игра преследования на плоскости.)

Пусть S₁ и S₂ - множества на плоскости. Игра Г заключается в следующем. Пусть 1-ый игрок выбирает некоторую точку хS₁, а игрок 2 - точку yS₂. При совершении выбора игроки 1 и 2 не имеют информации о действиях противника, поэтому подобный выбор удобно интерпретировать как одновременный. Точки хS₁, yS₂ являются в этом случае стратегиями игроков 1 и 2 соответственно. Таким образом, множества стратегий игроков совпадают с множествами S₁ и S₂ на плоскости.

Целью игрока 2 является минимизация расстояния между ним и вторым игроком (игрок 1 преследует противоположную цель). Поэтому под выигрышем H(x,y) игрока 1 в этой игре будем понимать евклидово расстояние (x,y) между точками xS₁ и yS₂, т.е. H(x,y)= (x,y), xS₁ и yS₂. Выигрыш игрока 2 полагается равным выигрышу игрока 1, взятому с противоположным знаком(т.к. игра антагонистическая).

Отдельно надо отметить специальный класс антагонистических бесконечных игр, в которых X=Y=[0, 1]. В этих играх ситуациями являются пары чисел (x,y), где x, y[0, 1]. Эти пары задают точки единичного квадрата. Поэтому такие игры называются играми на единичном квадрате. Класс игр на единичном квадрате во многом характеризует бесконечные антагонистические игры и поэтому является базовым при исследовании бесконечных игр.

Пример. (Поиск на отрезке.)

Игрок 2 (прячущийся) выбирает точку y[0, 1], а игрок 1 (ищущий) выбирает одновременно и независимо точку x[0, 1]. Точка y считается “обнаруженной”, если x - y l, где 0< l <1. В этом случае игрок 1 выигрывает величину +1, во всех остальных случаях его выигрыш полагается равным 0. Игра антагонистическая. Функция выигрыша имеет вид

1, если x - y l,

H(x,y) = {

0 - в противоположном случае.

Выигрыш второго игрока полагается равным [- H(x,y)].

Как и во всякой антагонистической игре Г = (X,Y,H), в бесконечной игре принципом оптимального поведения игроков является принцип равновесия. Оптимальной (равновесной) является такая ситуация (x^*,y^*), для которой выполняются неравенства

H(x,y^*)  H(x^*,y^*)  H(x^*,y) при всех xX, yY.

Этот принцип реализуется в игре Г в том и только в том случае, когда

v=v=v,

v=max inf H(x,y),

x y

v=min sup H(x,y),

y x

т.е. внешние экстремумы максимина и минимакса достигаются и нижнее значение игры равно верхнему значению. Такая антагонистическая игра Г называется вполне определенной, а число v - значением игры. Для матричных игр решение игры заключалось в в нахождении их общего значения v и тех стратегий x^*, y^*, на на которых достигаются внешние экстремумы.

Для бесконечных игр существование внешних экстремумов, вообще говоря, не обязательно.

Пример. Пусть каждый из игроков 1 и 2 выбирает число из открытого интервала (0,1), после чего игрок 1 получает выигрыш, равный сумме выбранных чисел. Таким образом, получаем игру на открытом единичном квадрате с функцией выигрыша H(x,y) игрока 1

H(x,y)=x+y, x(0,1), y(0,1).

Здесь ситуация (1,0) была бы равновесной, если бы 1 и 0 входили в число стратегий игроков, а значение игры v было бы v=1. В действительности внешние экстремумы в этой игре не достигаются, а верхнее и нижнее значение игры равно между собой. Поэтому v=1, и игрок 1, выбирая число 1-, 0, достаточно близкое к 1, всегда может получить выигрыш, достаточно близкий к значению игры. С другой стороны, игрок 2, выбирая число 0 достаточно малым, может гарантировать, что его проигрыш будет сколь угодно близким к значению игры.

Ситуация (x_,y_) в антагонистической игре Г(X,Y,H) называется ситуацией -равновесия, если для любых стратегий xX yY игроков 1и 2 соответственно выполняется неравенство

H(x,y_) -   H(x_,y_) H(x_,y)+.

Точка (x_ ,y_) для которой имеет место (), называется  - седловой точкой, а стратегии x_ и y_ - -оптимальными стратегиями игроков 1 и 2 соответственно.

Антагонистическая игра Г называется непрерывной, если функция выигрыша Н непрерывна на . Для игр с бесконечным числом стратегий (непрерывных игр) стандартные методы решений пока не разработаны. Решения находятся только для игр с определенными ограничениями. Например, для игр со смешанными стратегиями существует лемма : В непрерывной игре Г на прямоугольнике найдется max min и min max смешанной стратегии игроков. Исключение составляют непрерывные игры приближенные решения которых можно находить с помощью итеративного алгоритма Брауна-Робинсона(метод фиктивного разыгрывания). Идея метода - многократное фиктивное разыгрывание игры с заданной матрицей выигрыша. Но сходимость итеративного алгоритма очень медленная и поэтому стараются применять какие-нибудь другие более эффективные методы хотя бы приближенного решения непрерывных игр. Для этого применяется способ аппроксимации конечными играми и конструирования из решений конечных игр приближенные(по результатам применения) решения непрерывных игр.

Вопросы на понимание содержания занятия

1. Назовите основные виды игровых моделей.
   
2. Дайте определение теории игр и назовите области ее применение.
   
3. Что стоит за термином «Оптимальность решения»?
   

Практическое задание

Определите матрицу выигрышей «игры полковника Блотто» (оборона города) с учетом всех возможных ситуаций.